过去几年，模型每隔几个月就刷一次榜：写生产代码、做数学题、跑科研流程。抬头看宏观数据，就业、公司边界、生产率都没有对应的剧烈变化。DeepMind Institute 10月29日发布《The Economics of Intelligence》，Alex Imas、Andrew Koh、Shane Legg给了一个解释：拿单个AI和单个人比，经济分析对象选错了。企业竞争的单位是组织。
论文把问题拆成两个能力阈值：competence，单项技能，比如编程、数学、写作；coordination，代理之间分工、交接、共享上下文、互相纠错的能力。前者决定组织里每个人的产出水平，后者决定组织能扩到多大而不散架。
一个细节值得技术读者注意：论文让100人做六个领域的测验，发现人在不同领域的能力分布很“锯齿”，擅长数学的人未必擅长模式识别。组织的作用是把互补的专家拼成一张能力马赛克，盖住彼此的缺口。实验里，按互补性配对的人比随机配对表现高32%。单个模型可以赢过每个人，却可能输给一个互补的人类团队。
论文用组织规模曲线描述三种阶段。协作低于基本线，单个代理干活更划算。协作在中间区间，分工能提升人均产出，但组织变大后沟通摩擦增加，曲线走平再下降，这就是今天大多数公司的世界。协作过了一个临界点，每加一个代理反而让团队更高效，规模收益从递减变成递增，科斯天花板被打破，企业可以大到只受市场容量限制。
四种区间
论文按两个阈值是否被跨过，划出四种经济区间：minimal AGI、supercompetent AI、supercooperative AI、ASI。
minimal AGI 指可复制的AI达到人类平均能力。表面上经济结构几乎不变，互补的人类团队仍能赢过平均能力的AI公司。变化先出现在工资：可被AI匹配的技能，工资被压向算力成本；稀缺专家和协调者工资更高。小AI公司会进入价格敏感和利基市场，拉低商品价格。
supercompetent AI 指AI在单项能力上超过所有人类专家，但协作仍差。结果有点反直觉：公司更瘦、更高效，员工数可能减少，行业依然分散。论文叫它“没有集中的丰裕”。人类角色转向判断、编排、给团队定方向。
supercooperative AI 指单项能力只是minimal AGI，但代理协作过了阈值。深度标准化市场会突然重组，少数大型AI组织迅速吃掉份额，工资骤降。利基市场受需求上限保护，但被挤出的劳动力会压低这些市场和关系型服务业的工资。
ASI 指两个阈值都过。深度市场由大型AI公司主导，利基市场也不再能靠规模小保护人类团队，精简AI公司可以服务专门需求。论文认为就业可能流向关系型部门，比如医疗、教育、服务，人的参与本身构成价值。历史经验是自动化后新工作会出现，但这次自动化范围可能更宽。
工资比GDP更早动
论文的核心判断是：competence提升会平滑改变价格、工资、人机配比；coordination突破会突然改变市场结构、就业和工资。所以工资效应会早于组织重组。宏观就业率没动，不能证明AI没影响。
榜单漏了协作
现有榜单大多测单个代理在孤立环境里的表现。论文认为这会高估模型对互补人类团队的竞争力，也会漏掉接近协作临界点的预警。需要组织级基准：多代理能不能在不重复劳动的情况下拆解陌生问题，能不能干净地交接上下文，能不能在长周期里发现并纠正彼此的错误。
Noam Brown在访谈里提到，让数千个代理并行做开放数学问题，很难让它们有效协作，多智能体贡献不到10%。这跟论文的判断一致：单项能力在涨，协作能力还慢。
历史也给过参照。19世纪电报和铁路没有让单个工人变强，它们提高了交接速度和保真度，现代企业结构因此重排。今天要盯的，可能是多代理协作的组织方式，以及工资结构里的早期变化，单代理SOTA已经不够。
论文全文：https://institute.deepmind.com/essays/the-economics-of-intelligence/
关注公众号回复“进群”入群讨论